四分体

四分之一是一个程序,创建,模拟数据,估计,测试,预测和搜索因果模型和统计模型。该计划的目的是提供复杂的方法在友好的界面,需要非常少的统计复杂度的用户和没有编程知识。它不是用来取代灵活的统计编程系统,如Matlab、SPLUS或R. Tetrad是免费软件,它执行许多商业程序中的功能,如NeTiC、HuGin、LISREL、EQS和其他程序,以及这些商业程序不执行的许多发现功能。四元组是唯一的一套原则搜索(“探索”,“发现”)的算法,它提供的,例如,它的搜索能力时,可能有未观测到的混杂变量的测量,以寻找模型的潜在结构,并寻找线性反馈模型——以及根据模型计算干预或实验效果的预测能力。所有的搜索过程都是“逐点一致”的,只要结构和样本数据满足各种常用的(但不总是正确的),它们保证几乎可以收敛到关于大样本极限中的真实结构的正确信息。假设…


ZBMaX中的参考文献(352篇)1标准条款

显示结果1至20的352。
按年份排序(引文
  1. C·Rordaba,艾琳;Bielz,孔查;Larra·N.AGA,佩德罗:条件独立Gaussian Markov模型的回顾(2020)
  2. 冉覃恩、Kari、Hyttinen、安蒂、J·拉维萨洛、Matti:利用循环和潜在混杂因素发现因果图:一个精确的分支定界方法(2020)
  3. Boge,Florian J.:世界上最好的,还是量子退相干是一种性情的表现?(2019)
  4. 布库尔,Ioan Gabriel;Claassen,汤姆;Hekes,汤姆:基因调控关系的大规模局部因果推断(2019)
  5. Castelletti,费德里克;CONSONI,GUIDO:用于信号通路识别的高斯介入基本图的贝叶斯模型选择(2019)
  6. 科斯塔,LIIIa;史米斯,James Q.;尼克尔斯,托马斯:fMRI网络时间序列的多元回归动态模型组分析(2019)
  7. 崔,Ruifei;Groot,Perry;Hekes,汤姆:利用高斯Copula模型从缺失数据的混合数据中学习因果结构(2019)
  8. de Campos,Luis M.;卡诺,安德烈斯;Castellano,Javier G.;道德,Seraf iN:结合基因表达数据和先验知识,利用结构限制贝叶斯网络推断基因调控网络(2019)
  9. Draisma,JAN:高斯图形模型中的部分相关超曲面(2019)
  10. Drton,马蒂亚斯;福克斯,克里斯托弗;王,Y. Samuel:循环结构方程模型中极大似然估计的计算(2019)
  11. Frot,本杰明;Nandy,PrimaTM;MathuIS,Marloes H.:具有隐藏变量的鲁棒因果结构学习(2019)
  12. 顾嘉莹;傅,费;周,青:离散数据对有向无环图的惩罚估计(2019)
  13. 郭,萧;张,Hai;王,姚;梁,Yong:具有无标度性质的稀疏有向无环图的结构学习(2019)
  14. 黄,Whitney K.;库勒,Daniel S.;Ebert Uphoff,IMME;陈,陈;SoigdhanSu:极值依赖的新探索工具:(\ chi)网络和年极值网络(2019)
  15. 今井,科苏克;江,智超:评论:多重原因的挑战(2019)
  16. 延森,戴维:评论:加强因果推理方法的实证评价(2019)
  17. 齐,Xiaolong;范,萧聪;高,杨;刘,闫方:用最弱互信息第一策略学习贝叶斯网络结构(2019)
  18. Schulte,奥利弗:奥卡姆剃刀的因果学习(2019)
  19. Scuturi,马珂;Graafland,Catharina Elisabeth;古蒂雷斯,乔斯曼努埃尔:谁学习更好的贝叶斯网络结构:结构学习算法的准确度和速度(2019)
  20. Scuturi,马珂;Vitolo,克劳蒂亚;希尔斯,艾伦:利用贪婪搜索从大数据中学习贝叶斯网络:计算复杂性和高效实现(2019)

进一步的出版物可以在:HTTP://www. fim.cM.Edu/TtRead /Pusith.St.HTML